KHẢO SÁT CÁC SIÊU THAM SỐ CỦA MẠNG AUTOENCODER CHO PHÁT HIỆN BẤT THƯỜNG

  • Cao Văn Lợi Faculty of Information Technology, Le Quy Don Technical University, Hanoi, Vietnam
  • Nguyễn Hữu Nội Faculty of Information Technology, Le Quy Don Technical University, Hanoi, Vietnam
  • Nguyễn Văn Quân Faculty of Information Technology, Le Quy Don Technical University, Hanoi, Vietnam
  • Nguyễn Việt Hùng Faculty of Information Technology, Le Quy Don Technical University, Hanoi, Vietnam
  • Cao Văn Thắng Telecommunications University, Nhatrang, Vietnam
Từ khóa: Anomaly detection, autoEncoders, latent representation, hyper-parameters

Tóm tắt

Hầu hết các kỹ thuật phát hiện bất thường, chẳng hạn các phương pháp dựa trên mật độ, thường hoạt động không hiệu quả trên dữ liệu mạng có số chiều lớn do hiện tượng “the curse of dimensionality phenomenon”. Một nghiên cứu trước đây của chúng tôi đã trình bày một cách tiếp cận mới trong việc sử dụng không gian biến ẩn của AutoEncoders (AEs) như một không gian biểu diễn mới để giải quyết vấn đề này. Trong nghiên cứu này, chúng tôi sẽ khảo sát các đặc điểm của không gian biểu diễn biến ẩn của các AE. Vì vậy, trước tiên chúng tôi sẽ trình bày chi tiết về giả thuyết sử dụng biểu diễn ẩn của AEs, và mở rộng một số thí nghiệm được trình bày trong nghiên cứu trước đây. Sau đó, chúng tôi sẽ thực hiện ba khảo sát chuyên sâu (khảo sát về kích thước lớp ẩn giữa, đánh giá hiệu suất của mô hình lai ghép và khám phá dữ liệu ẩn). Những thí nghiệm này nhằm mục đích cung cấp một cái nhìn sâu sắc về không gian biểu diễn ẩn của AEs, đây là cơ sở để thiết kế các không gian biểu diễn ẩn tốt hơn trong tương lai. Dựa trên kết quả thí nghiệm, bài báo đã đưa ra những phân tích, thảo luận và gợi mở hướng tiếp cận phát triển không gian biểu diễn biến ẩn của AEs trong tương lai.

điểm /   đánh giá
Phát hành ngày
2021-10-01
Chuyên mục
Bài viết